Aplicação da Modelagem de Regressão em Dados Observados ao Longo do Tempo

Autores

DOI:

https://doi.org/10.18568/1980-4865.13342-50

Palavras-chave:

Dados longitudinais, Estacionariedade, Modelos autorregressivos, Causalidade de Granger, Defasagem

Resumo

A ideia central deste texto é orientar o pesquisador a aplicar a modelagem de regressão quando os dados em análise foram observados ao longo do tempo. Em geral, não há dúvidas da aplicação dessa modelagem em seções transversais. Contudo, quando há dependência dos dados ao longo do tempo, alguns cuidados precisam ser tomados para que os resultados sejam confiáveis e valham as mesmas interpretações dos coeficientes obtidos via o método de mínimos quadrados. O texto inicia com a apresentação do conceito de autocorrelação e de autocorrelação parcial, a fim de identificar e aplicar a modelagem autorregressiva. Após essa abordagem, é apresentado o teste de Dickey-Fuller Aumentado para a detecção de estacionariedade, condição essencial para que os estimadores de mínimos quadrados ordinários sejam consistentes. Também é apresentado o teste de causalidade de Granger e um exemplo de regressão aplicado às séries do Índice de Custo de Vida e Índice de Preços ao Consumidor Amplo. Todos os exemplos foram apresentados com a ajuda do Microsoft Excel, a fim de universalizar a técnica.

Downloads

Não há dados estatísticos.

Biografia do Autor

Cléber da Costa Figueiredo, Escola Superior de Propaganda e Marketing - ESPM.

Doutor em Estatística pela Universidade de São Paulo - USP, São Paulo, (Brasil). Professor da Escola Superior de Propaganda e Marketing – ESPM.

Aldy Fernandes da Silva, Fundação Escola de Comércio Álvares Penteado – FECAP.

Doutor em Engenharia pela Universidade de São Paulo - USP, São Paulo, (Brasil). Professor Pesquisador do Mestrado em Ciências Contábeis da Fundação Escola de Comércio Álvares Penteado – FECAP.

Referências

Breusch, T. S., & Pagan, A. R. (1979). A Simple test for heteroskedasticity and random coefficient variation. Econometrica, 47(5), 1287–1294.

Bueno, R. L. S. (2011). Econometria. 2ª ed. São Paulo: Cengage Learning, 341 p.

Dickey, D. A., & Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74(366), 427–431.

DIEESE (2018). Índice do custo de vida. Disponível em: https://www.dieese.org.br/analiseicv/icv.html. Acessado em 15 de julho de 2018.

Granger, C. W. J. (1969). Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 37(3), 424–438.

Gujarati, D. (2006). Econometria básica. Rio de Janeiro: Elsevier, 812 p.

IBGE (2018). Índice Nacional de Preços ao Consumidor Amplo. Disponível em: https://ww2.ibge.gov.br/home/estatistica/indicadores/precos/inpc_ipca/defaultinpc.shtm. Acessado em 15 de julho de 2018.

Ljung, G. M., & Box, G. E. P. (1978). On a measure of a lack of fit in time series models. Biometrika, 65(2), 297–303.

Morettin, P. A. (2008). Econometria financeira: um curso de séries temporais financeiras. São Paulo: Blucher, 319 p.

Morettin, P. A., & Tolói, C. M. C. (2006). Análise de séries temporais. São Paulo: Edgar Blücher, 535 p.

Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3–4), 591–611.

Sweeney, D. J., Williams, T. A., & Anderson, D. R. (2013). Estatística aplicada à administração e economia. 3ª ed. São Paulo: Cengage Learning, 692 p.

Wooldridge, J. M. (2011). Introdução à econometria: uma abordagem moderna. 4ª ed. São Paulo: Cengage Learning, 701 p.

Publicado

2018-09-01

Como Citar

Figueiredo, C. da C., & Silva, A. F. da. (2018). Aplicação da Modelagem de Regressão em Dados Observados ao Longo do Tempo. Internext, 13(3), 42–50. https://doi.org/10.18568/1980-4865.13342-50